【技术实现步骤摘要】
本专利技术涉及电数字数据处理领域，具体涉及基于大数据分析的企业信用评估系统。
技术介绍
1、
2、
3、现在已经开发出了很多信用评估系统，经过大量的检索与参考，发现现有的评估系统有如公开号为cn110400215b所公开的系统，这些系统方法一般包括：获取样本数据；将上述样本数据划分为训练集和评估集；通过随机森林方法构建评估模型，评估模型由企业主信用评估子模型和企业行为信用评估子模型组成，以企业主信用评估子模型和企业行为信用评估子模型信用分的加权和作为评估模型的评估输出；以训练集为输入，通过十折交叉验证算法和参数网格优选算法对评估模型进行训练；以评估集为输入，通过网格搜索方法对初始评估模型进行参数微调。但该系统采集的数据维度较高，存在不均衡的问题，容易在分析过程中产生冲突性，导致最终的评估结果不够准确。
技术实现思路
1、本专利技术的目的在于，针对所存在的不足，提出了基于大数据分析的企业信用评估系统。
2、本专利技术采用如下技术方案：
3、基于大数据分析的企业信用评估系统，包括数据采集分类模块、信息特征提取模块和信用评估分析模块；
4、所述数据采集分类模块用于采集用户企业在多个分类维度上的数据，所述信息特征提取模块用于从每个分类维度上提取出特征数据，所述信用评估分析模块对特征数据进行信用评估；
5、所述数据采集分类模块包括财务数据采集单元、运营数据采集单元、宏观数据采集单元、历史数据采集单元、网络数据采集单元、供
6、所述信息特征提取模块包括归一预处理单元和特征向量提取单元，所述归一预处理单元用于将采集的每一项数据信息转换为同一个区间内的自然数，所述特征向量提取单元对归一化后的数据进行处理获得每个分类维度上的一个特征向量；
7、所述信用评估分析模块包括特征交互解析单元、关键特征解析单元和融合评估单元，所述特征交互解析单元用于将每个分类维度上的特征向量进行交互处理，所述关键特征解析单元用于分析权重信息，所述融合评估单元根据权重信息和交互结果对用户企业进行评估；
8、进一步的，所述特征交互解析单元包括交互训练处理器、交互验证处理器和交互执行处理器，所述交互训练处理器用于对负面样本进行训练输出交互特征信息，所述交互验证处理器使员工正面样本对交互特征信息进行验证，所述交互执行处理器基于通过验证的交互特征信息对用户企业的特征向量进行解析处理；
9、进一步的，所述交互训练处理器将计算出特征项在不同排序状态下的交互指数，并确定交互指数最大时的特征项排序并构成对应的交互向量；
10、进一步的，所述交互验证处理器根据交互向量的元素构成将正面样本的特征项重新组合成交互向量，并根据下述步骤对交互向量进行验证：
11、s21、计算出负面样本每类交互向量的均值，称为基准交互向量，记为
12、s22、根据下式计算出正面样本交互向量与对应基准交互向量的差值di，j：
13、
14、其中，表示第j个正面样本的第i类交互向量，ck(i，j)表示向量中的第k个元素值，ck(i，0)表示向量中的第k个元素值，d()为差值函数，用于求两个向量的差值；
15、s23、统计出差值大于差值阈值的每类交互向量所占的比值ra(i)，当ra(i)大于比例阈值时，对应的交互向量通过验证并发送给交互执行处理器，ra(i)的计算公式如下：
16、
17、其中，ngt(i)为与对应基准交互向量的差值大于差值阈值的第i类交互向量的数量，nz为正面样本的数量；
18、进一步的，所述融合评估单元接收特征交互解析单元的判断向量数据和关键特征解析单元的权重数据λi，并根据下式计算出可信借贷额v：
19、
20、其中，μ为金额转换系数，g0(i)为第i个基准判断向量，guesr(i)为企业用户的第i个判断向量，y(i)为第i个差值阈值，ng为判断向量的数量。
21、本专利技术所取得的有益效果是：
22、本系统通过将多维度的多个特征项构成特征向量，并通过样本分析特征向量之间的关系，并获取具有交互关系的交互向量，与特征向量相比，交互向量大大降低了数据量，并在交互向量中筛选出具有评估价值的判断向量，通过判断向量对用户企业的信用进行评估，解决了因数据量大产生的不均衡和冲突性问题，同时，根据特征向量的分析情况对判断向量赋予不同的权重，使得最终的评估结果同时兼备普适性和专业性。判断向量为用于最终评估的数据基础，判断向量中包含的维度越多，“全面性”越大，但“准确性”会降低，判断向量中包含的维度越少，“全面性”越小，但“准确性”会提高。本专利技术通过控制判断向量中包含的维度数量，能够实现“全面性”和“准确性”之间的均衡。
23、为使能更进一步了解本专利技术的特征及
技术实现思路
，请参阅以下有关本专利技术的详细说明与附图，然而所提供的附图仅用于提供参考与说明，并非用来对本专利技术加以限制。
【技术保护点】
1.基于大数据分析的企业信用评估系统，其特征在于，包括数据采集分类模块、信息特征提取模块和信用评估分析模块；
2.如权利要求1所述的基于大数据分析的企业信用评估系统，其特征在于，所述特征交互解析单元包括交互训练处理器、交互验证处理器和交互执行处理器，所述交互训练处理器用于对负面样本进行训练输出交互特征信息，所述交互验证处理器使员工正面样本对交互特征信息进行验证，所述交互执行处理器基于通过验证的交互特征信息对用户企业的特征向量进行解析处理。
3.如权利要求2所述的基于大数据分析的企业信用评估系统，其特征在于，所述交互训练处理器将计算出特征项在不同排序状态下的交互指数，并确定交互指数最大时的特征项排序并构成对应的交互向量。
4.如权利要求3所述的基于大数据分析的企业信用评估系统，其特征在于，所述交互验证处理器根据交互向量的元素构成将正面样本的特征项重新组合成交互向量，并根据下述步骤对交互向量进行验证：
5.如权利要求4所述的基于大数据分析的企业信用评估系统，其特征在于，所述融合评估单元接收特征交互解析单元的判断向量数据和关键特征解析单元
...【技术特征摘要】
1.基于大数据分析的企业信用评估系统，其特征在于，包括数据采集分类模块、信息特征提取模块和信用评估分析模块；
2.如权利要求1所述的基于大数据分析的企业信用评估系统，其特征在于，所述特征交互解析单元包括交互训练处理器、交互验证处理器和交互执行处理器，所述交互训练处理器用于对负面样本进行训练输出交互特征信息，所述交互验证处理器使员工正面样本对交互特征信息进行验证，所述交互执行处理器基于通过验证的交互特征信息对用户企业的特征向量进行解析处理。
3.如权利要求2所述的基于大数据分析的企业信用评估系...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。